摘要
本发明公开了一种基于DSE‑YOLO v3的水果目标识别方法,属于人工智能技术领域。方法包括以下步骤:步骤1,水果目标的数据集构建;步骤2,建立DSE‑YOLO v3网络模型;步骤3,DSE‑YOLO v3网络模型构建;步骤4,识别大、中、小三个尺度的水果目标;步骤5,训练DSE‑YOLO v3网络模型;步骤6,确定水果目标识别模型的评价指标;步骤7,测试效果验证。本发明的DSE‑YOLO v3网络整体上压缩了网络参数计算量,并且在生成特征图的过程中更加“关注”不同类别的水果目标特征,增强了水果特征的语义信息,有效抑制复杂的背景信息,能够解决水果重叠遮挡、密集分布时识别精度较差的问题。
技术关键词
YOLOv3网络
水果分拣设备
残差模块
注意力
识别水果
水果图像
智能分拣机器人
数据集构建方法
识别方法
识别系统
深度学习框架
椒盐噪声
人工智能技术
桃子
训练集
生成特征
指标
系统为您推荐了相关专利信息
图像分类模型
图像分类方法
样本
注意力
内窥镜图像数据
燃烧状态参数
优化控制系统
多光谱成像
火炬
可见光图像
分类检测方法
数据
样本
异常流量检测
多头注意力机制
船舶轨迹预测方法
注意力机制
电子海图
折线特征
轨迹预测模型